雙減少opencl教程

Question

我是OpenCl的新手。

我需要在一維雙精度數組上運算減少（求和運算符）。

我一直在網上徘徊，但我發現的例子很混亂。 任何人都可以發布易於閱讀（並且可能有效）的教程實現嗎？

附加信息： - 我可以訪問一個GPU設備; - 我使用C作為內核代碼

Answer 1

你提到你的問題涉及60k雙打，它不適合你設備的本地內存。 我整理了一個內核，它會將你的向量減少到10-30左右，你可以將它與你的宿主程序相加。 我在我的機器上遇到雙打問題，但如果啟用雙打並且在找到它時將'float'更改為'double'，則此內核應該可以正常工作。 我將調試我遇到的雙重問題，並發布更新。

PARAMS：

• global float * inVector - 求和的浮點數的來源
• global float * outVector - 一個浮點列表，每個工作組一個浮點數
• const int inVectorSize - inVector持有的浮點數總數
• local float * resultScratch - 要使用的每個工作組的本地內存。 您需要為組中的每個工作項分配一個浮點數。 expected size = sizeof（cl_float）* get_local_size（0）。 例如，如果每組使用64個工作項，則這將是64個浮點數= 256個字節。 切換到雙精度將使其成為512字節。 openCL規范定義的最小LDS大小為16kb。 有關傳入本地（NULL）參數的詳細信息， 請參閱此問題 。

用法：

1. 為輸入和輸出緩沖區分配內存。
2. 為設備上的每個計算單元創建一個工作組。
3. 確定最佳工作組大小，並使用它來計算'resultScratch'的大小。
4. 調用內核，將outVector讀回主機
5. 循環遍歷outVector的副本並添加以獲得最終總和。

潛在的優化：

1. 像往常一樣，您希望使用大量數據調用內核。 太少的數據不值得轉移和設置時間。

2. 使inVectorSize（和向量）成為（工作組大小）*（工作組數）的最高倍數。 僅使用此數量的數據調用內核。 內核均勻地分割數據。 在等待回調時計算主機上任何剩余數據的總和（或者，為cpu設備構建相同的內核並僅傳遞剩余數據）。 在上面的步驟＃5中添加outVector時，從這個總和開始。 此優化應使工作組在整個計算過程中保持飽和。

    __kernel void floatSum(__global float* inVector, __global float* outVector, const int inVectorSize, __local float* resultScratch){ int gid = get_global_id(0); int wid = get_local_id(0); int wsize = get_local_size(0); int grid = get_group_id(0); int grcount = get_num_groups(0); int i; int workAmount = inVectorSize/grcount; int startOffest = workAmount * grid + wid; int maxOffest = workAmount * (grid + 1); if(maxOffset > inVectorSize){ maxOffset = inVectorSize; } resultScratch[wid] = 0.0; for(i=startOffest;i<maxOffest;i+=wsize){ resultScratch[wid] += inVector[i]; } barrier(CLK_LOCAL_MEM_FENCE); if(gid == 0){ for(i=1;i<wsize;i++){ resultScratch[0] += resultScratch[i]; } outVector[grid] = resultScratch[0]; } 

   }

另外，啟用雙打：

#ifdef cl_khr_fp64
#pragma OPENCL EXTENSION cl_khr_fp64 : enable
#else
#ifdef cl_amd_fp64
#pragma OPENCL EXTENSION cl_amd_fp64 : enable
#endif
#endif

更新：AMD APP KernelAnalyzer得到了更新（v12），它顯示該內核的雙精度版本實際上是ALU綁定在5870和6970卡上。